OnCommand Insightのデータ モデル

OnCommand Insightには複数のデータ モデルが含まれており、事前定義済みのレポートを選択するか、または独自のカスタム レポートを作成することができます。

各データ モデルにはシンプルなデータ マートと高度なデータ マートが含まれています。
Capacityデータ モデル
ストレージ容量、ファイルシステム利用率、内部ボリュームの容量、ポート容量、qtree容量、仮想マシン(VM)の容量に関する情報を取得できます。Capacityデータ モデルは、複数の容量データ モデルをまとめたコンテナです。このデータ モデルを使用して、さまざまなタイプの情報を収集したレポートを作成できます。
Storage and Storage Pool Capacityデータ モデル
ストレージとストレージ プール、および物理ストレージ プールと仮想ストレージ プールの両方のデータについて、ストレージ容量のリソース計画に関する情報を確認できます。このシンプルなデータ モデルを使用すると、あらかじめ用意されている容量と、一定期間にわたる階層別およびデータセンター別のストレージ プールの使用容量に関連する情報を確認できます。

容量に関するレポートを初めて作成する場合は、シンプルかつターゲットが限定されたこのデータ モデルを使用してください。このデータ モデルを使用すると、次のような情報を確認できます。

  • 物理ストレージの容量のしきい値(80%)に達する予想日
  • 特定の階層のアレイ上の物理ストレージ容量
  • メーカー、ファミリー、およびデータセンター別のストレージ容量
  • すべての階層のアレイにおけるストレージ利用率のトレンド
  • 利用率が最も高い上位10個のストレージ システム
  • ストレージ プールのストレージ利用率のトレンド
  • 割り当て済みの容量
  • 割り当て可能な容量
File System Utilizationデータ モデル
ファイルシステム利用率に関する情報を確認できます。このデータ モデルを使用すると、ファイルシステム レベルでホスト別の容量利用率を確認できます。管理者は、ファイルシステムごとの割り当て済み容量と使用済み容量、およびファイルシステム タイプを確認したり、ファイルシステム タイプ別のトレンドを特定したりできます。このデータ モデルを使用すると、次の情報を確認できます。
  • ファイルシステムのサイズ
  • データの保存場所およびアクセス方法(ローカル、SANなど)
  • ファイルシステムの容量のトレンド履歴。トレンド履歴に基づく将来のニーズについての予測
Internal Volume Capacityデータ モデル
内部ボリュームの使用済み容量、割り当て済みの容量、および一定期間にわたる使用容量に関する情報を確認できます。
  • 利用率が事前に定義されたしきい値を上回っている内部ボリューム
  • 容量が不足する危険性のある内部ボリューム(トレンドに基づく)
  • 内部ボリュームにおける使用済み容量と割り当て済みの容量の割合
Port Capacityデータ モデル
一定期間にわたるスイッチ ポートの接続、ポートのステータス、およびポートの速度に関する情報を確認できます。次のような情報は、新しいスイッチの購入を計画する場合に役立ちます。
  • リソース(ポート)が使用可能かどうかを予測する(データセンター、スイッチ ベンダー、およびポート速度に基づく)ポート消費予測を作成する方法
  • 容量が不足する可能性のあるポート(ホスト ポートとストレージ ポートのデータ速度、データセンター、ベンダー、および数に基づく)
  • 一定期間にわたるスイッチ ポートの容量のトレンド
  • ポートの速度
  • 必要なポート容量のタイプ、および特定のポート タイプまたはベンダーで容量が不足しそうな組織
  • いつまでに容量を購入して利用可能にするべきか
Qtree Capacityデータ モデル
一定期間にわたるqtree利用率のトレンドを(使用済み容量と割り当て済みの容量の比較などのデータを使用して)確認できます。ディメンション(たとえば、ビジネス エンティティ、アプリケーション、階層、サービス レベル)別に情報を表示できます。このデータ モデルを使用すると、次の情報を確認できます。
  • アプリケーションまたはビジネス エンティティごとに設定されている制限値に対するqtreeの使用済み容量
  • キャパシティ プランニングを実施するための基準となる使用済み容量と空き容量のトレンド
  • 使用容量が最も多いビジネス エンティティ
  • 消費容量が最も多いアプリケーション
VM Capacityデータ モデル
仮想環境とその使用容量を報告できます。このデータ モデルを使用すると、VMとデータ ストアの一定期間にわたる使用容量の変化を報告できます。また、このデータ モデルは、シンプロビジョニングと仮想マシンのチャージバック データも提供します。
  • VMとデータ ストアにプロビジョニングされた容量に基づいて容量のチャージバックを決定する方法
  • VMで使用されていない容量、およびそのうちの空き容量、孤立している容量、その他の状態の容量
  • 何を購入する必要があるか(消費トレンドに基づく)
  • ストレージのシンプロビジョニングと重複排除のテクノロジを使用することで達成されるストレージ効率化による削減効果

VM Capacityデータ モデルの容量は仮想ディスク(VMDK)から取得されます。つまり、VM Capacityデータ モデルを使用した場合のVMのプロビジョニング済みサイズは、そのVMの仮想ディスクのサイズです。これは、OnCommand Insightの[Virtual Machines]ビューに表示されるプロビジョニング済み容量とは異なります。この容量は、VM自体のプロビジョニング済みサイズを示しています。

Volume Capacityデータ モデル
環境内のボリュームのすべての要素を分析し、ベンダー、モデル、階層、サービス レベル、およびデータセンター別にデータを整理できます。孤立ボリューム、未使用ボリューム、および保護ボリューム(レプリケーションに使用)に関連する容量を表示できます。また、さまざまなボリューム テクノロジ(iSCSIまたはFC)を表示し、アレイの仮想化の問題について仮想ボリュームと物理ボリュームを比較することもできます。このデータ モデルを使用すると、次のような情報を確認できます。
  • 利用率が事前に定義されたしきい値を上回っているボリューム
  • 孤立ボリューム容量のデータセンターにおけるトレンド
  • 仮想化またはシンプロビジョニングされているデータセンター容量
  • レプリケーション用に予約する必要のあるデータセンター容量
Chargebackデータ モデル
ストレージ リソース(ボリューム、内部ボリューム、qtree)の使用済み容量と割り当て済み容量に関する情報を確認できます。このデータ モデルは、ストレージ容量のチャージバックとアカウンタビリティの情報をホスト、アプリケーション、およびビジネス エンティティ別に提供します。現在のデータと履歴データの両方が含まれます。レポート データはサービス レベルおよびストレージ階層別に分類できます。

このデータ モデルを使用すると、ビジネス エンティティで使用される容量を検出してチャージバック レポートを生成できます。このデータ モデルでは、複数のプロトコル(NAS、SAN、FC、iSCSIなど)をまとめたレポートを作成できます。

  • 内部ボリュームがないストレージの場合、チャージバック レポートにはボリューム別のチャージバックが表示されます。
  • 内部ボリュームがあるストレージの場合は、次のようになります。
    • ビジネス エンティティがボリュームに割り当てられている場合、チャージバック レポートにはボリューム別のチャージバックが表示されます。
    • ビジネス エンティティがボリュームではなくqtreeに割り当てられている場合、チャージバック レポートにはqtree別のチャージバックが表示されます。
    • ビジネス エンティティがボリュームにもqtreeにも割り当てられていない場合、チャージバック レポートには内部ボリュームが表示されます。
    • ボリューム別、qtree別、または内部ボリューム別のどのチャージバックを表示するかは内部ボリュームごとに決定されるため、同じストレージ プール内の別々の内部ボリュームで異なるレベルのチャージバックが表示される場合があります。

容量ファクトはデフォルトの期間後にパージされます。詳細については、Data Warehouseのプロセスを参照してください。

Chargebackデータ モデルを使用するレポートには、Storage Capacityデータ モデルを使用するレポートとは異なる値が表示される場合があります。

  • ネットアップ ストレージ システムでないストレージ アレイの場合、両方のデータ モデルのデータは同じです。
  • ネットアップとCelerraのストレージ システムの場合、Chargebackデータ モデルは(ボリューム、内部ボリューム、またはqtreeの)1つのレイヤをチャージのベースとして使用し、Storage Capacityデータ モデルは(ボリュームと内部ボリュームの)複数のレイヤをチャージのベースとして使用します。
Inventoryデータ モデル
インベントリ リソース(ホスト、ストレージ システム、スイッチ、ディスク、テープ、qtree、クォータ、仮想マシンとサーバ、汎用デバイスなど)に関する情報を確認できます。Inventoryデータ モデルには複数のサブマートが含まれており、レプリケーション、FCパス、iSCSIパス、NFSパス、および違反に関する情報を表示できます。Inventoryデータ モデルには履歴データは含まれません。このデータ マートを使用して確認できる情報は次のとおりです。
  • 所有しているアセットとその場所
  • アセットの使用者
  • 所有しているデバイスのタイプ、およびデバイスのコンポーネント
  • OSごとのホスト数、およびホスト上のポート数
  • 各データセンターに配置されているストレージ アレイ(ベンダー別)
  • 各データセンターのスイッチ数(ベンダー別)
  • ライセンスが設定されていないポートの数
  • 使用しているベンダーのテープ、および各テープのポート数
  • レポートでの作業を開始する前に、すべての汎用デバイスが特定されているか
  • ホストとストレージ ボリュームまたはテープ間のパス
  • 汎用デバイスとストレージ ボリュームまたはテープ間のパス
  • データセンターごとの各タイプの違反数
  • レプリケートされた各ボリュームの、ソース ボリュームとターゲット ボリューム
  • Fibre ChannelホストのHBAとスイッチとの間にファームウェアの互換性の問題またはポート速度の不一致があるか
Performanceデータ モデル
ボリューム、アプリケーション ボリューム、内部ボリューム、スイッチ、アプリケーション、VM、VMDK、ESX対VM、ホスト、およびアプリケーション ノードのパフォーマンスに関する情報を確認できます。このデータ モデルを使用すると、パフォーマンス管理に関する複数の情報についてのレポートを作成できます。
  • 特定の期間に使用またはアクセスされていないボリュームまたは内部ボリューム
  • アプリケーション用のストレージ(未使用)に関する潜在的な構成ミスを特定できるか
  • アプリケーションの全体的なアクセス パターン
  • 特定のアプリケーションに対して階層型ボリュームが適切に割り当てられているか
  • アプリケーションのパフォーマンスに影響を及ぼさずに、より安価なストレージを実行中のアプリケーションに使用できるか
  • 現在設定されているストレージへのアクセスが多いアプリケーション

スイッチ パフォーマンスのテーブルを使用すると、次の情報を取得できます。

  • 接続されたポート経由でホスト トラフィックは分散されているか
  • 多数のエラーが発生しているスイッチまたはポート
  • 最も利用されているスイッチ(ポートのパフォーマンスに基づく)
  • あまり使用されていないスイッチ(ポートのパフォーマンスに基づく)
  • ホスト スループットのトレンド(ポートのパフォーマンスに基づく)
  • ある特定のホスト、ストレージ システム、テープ、またはスイッチの過去X日間のパフォーマンス
  • 特定のスイッチでトラフィックを生成しているデバイス(たとえば、利用率の高いスイッチを使用しているデバイス)
  • 環境内の特定のビジネス ユニットのスループット

ディスク パフォーマンスのテーブルを使用すると、次の情報を取得できます。

  • 指定されたストレージ プールのスループット(ディスクのパフォーマンス データに基づく)
  • 最も使用されているストレージ プール
  • 特定のストレージのディスク利用率の平均
  • ストレージ システムまたはストレージ プールの使用率のトレンド(ディスクのパフォーマンス データに基づく)
  • 特定のストレージ プールのディスク使用率のトレンド
VMとVMDKのパフォーマンスのテーブルを使用すると、次の情報を取得できます。
  • 仮想環境のパフォーマンスが最適化されているか
  • 最も高いワークロードを報告しているVMDK
  • 別のデータ ストアにマッピングされているVMDから報告されたパフォーマンスを使用して、再階層化に関する意思決定を行う方法

Performanceデータ モデルには、階層の妥当性、アプリケーション用のストレージの構成ミス、およびボリュームと内部ボリュームの最終アクセス時刻を特定するための情報が含まれています。このデータ モデルは、応答時間、IOPS、スループット、保留中の書き込み数、アクセス ステータスなどのデータを提供します。

Storage Efficiencyデータ モデル
一定期間にわたるストレージの削減率と可能性を追跡できます。このデータ モデルには、プロビジョニング済み容量のデータだけでなく、使用済みまたは消費済みの容量(物理的な測定値)も格納されます。たとえば、シンプロビジョニングが有効になっている場合、OnCommand Insightはデバイスから取得された容量を示します。また、このモデルを使用して、重複排除が有効な場合の削減量を判断することもできます。Storage Efficiencyデータ マートを使用すると、さまざまな情報を確認できます。
  • シンプロビジョニングと重複排除を実装した場合のStorage Efficiencyによる削減効果
  • データセンター全体でのストレージ削減量
  • いつまでに追加のストレージを購入する必要があるか(これまでの容量のトレンドに基づく)
  • シンプロビジョニングや重複排除などのテクノロジを有効にした場合の容量の増加
  • ストレージ容量に対するリスクの有無